音樂提取助手用聲音記錄精彩生活瞬間，視聽結合新式玩法，無格式損害提取，讓你獲得更完美的音效質感，沒有雜音，簡單的本地導入玩法，讓你輕松將手機中的資源進行導入。

音樂提取助手應用介紹

【產品簡介】

你是不是經常聽到短視頻中的好音樂，卻無從下手？音頻提取器，可以快速的將視頻中的聲音提取出來，并提供音頻裁剪，音頻轉換，音頻合并，音量調整，音頻加速等專業的音頻處理工具。能輕松的幫你保存音樂、一鍵分享、一鍵導出鈴聲，音頻提取器功能強大，操作簡單，高效簡便，后臺轉換，無需等待，一鍵設置鈴聲等。音頻提取器、音樂提取器、音頻剪輯、音頻、音頻轉換器、音頻提取、聲音處理器、音頻編輯、配音、音樂剪輯。

音樂提取助手功能

1、音頻提取：音頻提取器支持將視頻文件中的聲音提取出來并將其轉為一個音頻文件

2、裁剪音頻：音頻提取器提供了音頻裁剪功能，從自己喜歡的音頻中截取選中的一段生成一個新的音頻文件，支持手動設置截取的開始和結束時間，一鍵保存，即可制作自己心愛的歌曲作為手機鈴聲。

3、變調變速：音頻提取器可對音頻文件進行播放速度調整，實現調快或者放慢音頻的播放，還可以對mp3或者其他格式的音頻文件的音量進行放大和縮小。

4、我的作品：一鍵分享支持分享到社交網絡，讓更多人看到您的作品。

音樂提取助手說明

應用提供了專業、靠譜的錄制音頻服務，方便大家錄制本音，然后自由進行編輯。

支持大家添加本地音樂，還可以一邊聽一邊錄，變調、分割、合并之類的操作都非常方便。

帶來了用戶們分享的精品音頻內容，操作上手更流暢，而且提供了靠譜的社交服務，人人都能分享動態內容。

AI音樂算不算“原創”？

今年5月，一個名為“Weird A.I. Yancovic”（古怪AI揚科維奇）的AI軟件，生成了一段模仿邁克爾·杰克遜《Beat it》中樂器音調的音樂視頻，并發在了Twitter上面。前幾天，這個AI的開發者Mark Riedl就收到了國際唱片業聯合會的侵權通知，他們要求要按《數字千年版權法》（Digital Millennium Copyright Act）的規定，Riedl必須刪了該視頻。

Riedl表示自己也不是律師，不得不照做，但是他感覺很委屈。自己的AI軟件生成的其他模仿音樂也并沒有被刪除，那么，他想搞清楚這個視頻對于原作版權的模仿借鑒，到底在多少程度是對原創版本的侵權呢？到底何種程度又能算作是真正的原作作品呢？

AI創作音樂的性質該如何界定？你認為他是一種和人創作的作品一樣獨特藝術品，還只是對人類作品的一種拙劣模仿？在AI音樂越來越大行其道的今天，AI音樂的版權和侵權問題該如何解決，成為擺在音樂產業面前的現實難題。

今天我們可以一起聊聊這個有趣的話題。

該認真對待AI音樂了

AI音樂早已不是新鮮事了。簡單來說，音樂旋律的實質就是數字的排列組合，而計算機和人工智能最擅長學習和處理的也正是數字了。

據說最早在1957年，就誕生了一首完全由計算機“作曲”的音樂作品《Illiac Suite》，這是由當時的一位美國化學博士Lejaren Hiller在將計算機程序中的控制變量換成音符后，就可以讓程序進行符合規則的作曲，堪稱數字音樂和AI音樂的鼻祖。

現在，深度神經網絡的興起，更是讓AI創作音樂的能力實現指數級的飛躍。

2016年，研究人員開發出一個名為“DeepBach” （深度巴赫）的神經網絡，使用了巴赫創作的352部曲目進行變調，創作出了2503首贊美詩，其中80%用來訓練DeepBach，而剩余20%用來驗證訓練成果。

最終，DeepBach能夠創作出與巴赫風格高度相近的作品。在對包括了400多位音樂家或音樂系的學生的1600多人的測試中，超過一半的人認為這些作品就是巴赫本人的作品，而巴赫本人的作品也僅被75%的人正確識別。

這個成績已經非常驚人了。當然我們更知道AI一旦在某一領域有所突破，那就會很快開疆拓土，開掛一般的進化。

2019年，OpenAI發布了可以進行AI音樂創作的深度神經網絡MuseNet，可以使用10種不同樂器，不同音樂風格，生成長達4分鐘的音樂。MuseNet完全不依賴人類對音樂進行編程，而是使用同GPT-2相同的無監督學習技術，通過學習Token來學習和聲、節奏和風格的模式。只要給定一組音符后，AI就會預測后面出現的音符。

在MuseNet的測試中，當它掌握了不同的風格后，就可以混合生成全新的音樂。比如，研究者提供肖邦夜曲的前6個音符，卻要求MuseNet生成一段流行音樂，并且融合各類樂器，機器就能生成完全融合了肖邦和Bon Jovi兩種風格的音樂。

如此好用的AI生成音樂，怎么能不為音樂產業所關注。早在2017年，一家位于盧森堡的AI音樂制作初創公司AIVA和美國的網紅歌手Taryn Southern合作，在YouTube上推出了首張AI專輯《I AM AI》。2018年初，法國作曲家Benoit Carre和索尼的作曲AI Flow Machines合作，發布了首張專輯《Hello World》，其中包含15首AI參與作曲的歌曲。

中國的AI音樂版權平臺嗨翻屋，已經能夠從幾十萬不同風格、種類的音樂MIDI數據中提取關鍵信息，并通過機器學習算法進行訓練，通過 “小嗨音樂助手”，進行AI音樂的創作和歌曲的識別。而像微軟的AI小冰也早已掌握了歌詞創作和譜曲能力，還舉辦了自己的演唱會。

AI作曲和AI填詞在技術上已經沒有太高的門檻，而且在水平上已經可以完勝那些套路式的和弦、編曲，甚至于如果加大數據訓練的樣本，甚至可以創作出聲部繁多、編排復雜的音樂來。

現在，一個現實的問題擺在了我們面前，AI創造的音樂可以被視為一種原創的藝術作品嗎？

創造還是抄襲？AI音樂的艱難自證

先來看人工智能的其他作品能夠成為一種藝術創作嗎？至少在繪畫界已有先例了。

2018年，一幅由AI創作的畫作《愛德蒙·貝拉米肖像》在佳士得的拍賣會上以 43.25 萬美元的高價成交。這幅畫是由一群法國藝術藝術家和人工智能專家，通過對抗神經網絡GAN算法創作完成。盡管這一作品是首次進入拍賣行，還賣出了高價，算是得到了人類藝術界的“承認”，但也有藝術評論家認為這是“2018年最無聊的藝術作品”。

當時，人們爭論的焦點，正是這一AI程序能不能稱之為藝術家，而這一作品能否被看作是一個藝術創作的過程。一些人認為，《艾德蒙·貝拉米肖像》不過就是“由其它藝術家發明的代碼編輯而成的圖像，在帆布紙上打印出來的數碼印刷品而已。”而一些人則認為AI的創作過程是一種全新的創造，只要能夠通過藝術界的“圖靈測試”即可。

而創作這幅畫的AI團隊則認為，如果藝術家指的是創造圖像的人，那么創作這幅畫的藝術家就是AI，而如果藝術家一定是人的話，那么創造它的就是這個團隊。

這樣奇怪的爭論也同樣存在于AI音樂當中。

AI音樂的創作過程，似乎與人類進行創作的過程似乎沒有本質差別。AI通過學習大量的數據來“培養”自己的樂理知識，通過模型訓練來達成和人一樣的樂感訓練，通過習得的音樂風格再創造，來作出全新的音樂作品。

同樣，我們知道一位音樂人想要創作新的歌曲或者發行一張專輯，需要經歷漫長的學習過程，在創作中也要經歷眾多無比艱難的“靈感”時刻，此外還要經歷嚴格打磨的制作流程。

我們會將音樂人在創作過程中付出的情感、精力和作品中構思和創意，歸之于作者獨特的藝術創作。而這正是很多人認為人工智能所不具有的特質。

不過，一些通過AI創作的藝術家則認為，AI所創作的音樂，也是要經歷一個類似于人類音樂人普遍經歷的混亂過程而才能寫出來的，這些音樂歌曲也是對人類曾經創作的歌曲、大量的文本信息的學習，而創作出來的，也代表了我們的想法和觀點。

反對“AI音樂是藝術作品”的人則認為，機器創造的音樂里并沒有包含人的主觀意圖、情感和個人觀點，而只是對大量數據學習之后的模仿加工。但是支持的一方則認為，AI作品是否稱得上是藝術作品，需要從受眾的感受來看待，如果聽眾能夠從中得到與自身感受合拍的主觀享受，來說就可以稱之為一種藝術作品了。

我們其實可以將問題具體化。AI的創作能力也有高下之別，AI音樂的受眾也有陽春白雪和下里巴人的區別，AI音樂作品對標的對象也有小白、專業歌手和音樂創作者。

首先，AI可以低成本、高效率低創作大批量的伴奏音樂，由于這類音樂節奏簡單，短小精干，對于眾多電視劇、罐頭音樂、廣告、視頻制作來說，是再合適不過的渠道。由于不用高價購買由人類創作的這些批量化音樂，人們似乎對這類AI音樂的“原創性”沒有疑議，足夠便宜就可以了。

其次，對于大多數普通的音樂欣賞者來說，他們并不總是需要原創性很高的作品，而只是在健身、休息的時候，需要相似度很高的情緒相關的音樂。而AI在創作這類包含各種情境和情緒的音樂流，其實是非常擅長的。

此外，對于AI原創的威脅性問題，我們應該這樣來看到。AI自身并不會“主動”去爭這個“原創藝術家”的名號，爭風吃醋的還是人類自己。高產的AI創作者只不過是極大地降低了音樂制作的門檻，使得很多門外漢都來搶音樂創作的飯碗。這可能才是音樂藝術家們不爽的地方。

反過來，藝術家們其實正可以用AI技術來增強自己的作曲作詞的能力。就像當年的音樂人接受了合成器一樣，現在也可以接受AI對于創作的創意輔導，音樂人可以在AI創作的基礎上加入自己獨特的部分，來構成全新的音樂。各大唱片公司已經開展這方面的嘗試了。

現在我們看到AI在完整的流行音樂的創作上，還存在著一些套路化的痕跡（其實，人類創作的流行曲也存在類似討論），也還需要人類音樂家進行潤色、修改。

但我們不得不面對這樣一個可能，當有一天一首AI創作歌曲沖進流行音樂榜的前幾名，但人們在不知情的情況下，并不能分別這是人類創作還是AI創作的？這個時候，我們該不該承認AI也稱得上一位“藝術家”了嗎？

AI原創音樂“合法”轉正的邊界何在？

隨著AI音樂在商業領域越來越多的應用，另一個不容忽視的問題擺在我們面前，AI生成的音樂可以擁有版權嗎？

AI音樂的算法是由人來編寫的，但是AI音樂的創作，卻是由算法自己來實現的。這就如同老師教會了學生作曲的技巧，學生經過一番學習后自己譜出了曲子，那么這首曲子自然不能算在老師的頭上，但關鍵是現在這個學生不是人類，而是AI算法。

但是，AI算法是無法申請到原創版權的。從當前各國的版權相關的法律規定來說，原創作品必須是由人來創作，而申請版權的主體也必須得是公民、法人或非法人組織。正如我們之前提過的AI發明申請專利權的困境一樣，AI音樂同樣也存在版權歸屬困境的問題。

目前的權宜之計自然就是，即使是AI創作的音樂，那么版權應該要算在編寫AI算法的發明人頭上，或者相關的組織機構上面。

“暫時性”解決版權歸屬的問題之后，如果AI是對有版權音樂的一種學習和模仿，那么如何來認定是否存在侵權呢？

正如開篇提到的Mark Riedl和他開發的“Weird A.I. Yancovic”，它的實現方式是利用GPT-2和XLNET這兩個神經網絡，對現有歌曲的音節和旋律進行模仿生成，并曲調匹配上原創的歌詞進行創作。這其實是有點“二次創作”的味道。

現在爭論的焦點就在于，Riedl的AI軟件在對一首歌曲進行“二次創作”前，是否要爭得作品版權方的同意？AI創作出帶有全新風格或內容的音樂作品，是否可以被“合理的使用”呢？

這里所謂“合理的使用”意思是不會為這些AI音樂去申請所謂版權，也自然不會從中獲利，而只是作為一個個人娛樂化的作品獲得公開展示的機會。

Riedl的這一作品中確實存在問題，因為其中植入了帶有明顯的原版旋律的曲調，但如果AI軟件創作的是一個全新曲調的話，那么似乎就沒有什么好指責的地方了。

當然，外界存在著更深層的爭論。一種認為AI只要是對有版權的原創音樂進行學習，并且還沒有支付版權費，也沒有經過版權所有者的同意，那么這種應用就是一種侵權。反對者認為，如果過分要求AI對于原創音樂學習中的版權保護，那簡直是過于吹毛求疵了，況且人類音樂家也做不到所有聽過的音樂都是經過授權的。